摘要
本申请涉及人工智能图像处理与生物检测交叉技术领域,公开了一种面向感知增强与特征蒸馏的高密度微藻检测方法,包括:获取含细胞重叠、边界模糊及跨尺度分布的高密度微藻图像,输入主干网络提取多尺度特征图;通过潜在一致性映射处理优化边界框;经密度感知辅助处理生成微藻密度图并计算密度损失;基于图像复杂度进行自适应去噪;利用双重特征蒸馏框架优化学生模型,增强小尺度微藻检测能力;最终融合各模块结果,输出微藻的位置、类别及数量。本申请,可使高密度微藻检测整体平均准确率提升,降低边界框抖动和小尺度微藻漏检率,同时缩短平均推理时间,满足实时检测需求,为微藻培养过程控制与优化提供可靠数据支撑。
技术关键词
微藻检测方法
蒸馏
高密度
多尺度特征
复杂度
人工智能图像处理
学生
层级
缩放参数
分支
教师
热力图
学习特征
感兴趣
坐标
协方差矩阵
对象
系统为您推荐了相关专利信息
条纹投影图像
包裹相位
条纹级次
结构光三维重建
相位恢复方法
深度学习图像
图像缺陷检测
分割算法
多尺度特征融合
重复缺陷
识别方法
路面裂缝图像
注意力
置信度阈值
算法模型
测评方法
复杂度
机器学习算法
分类器
计算机程序产品